1) 2) 3)
Moch Yunus , Didi Suryana , Mulyadi
1)2)3)
Staf Pengajar Jurusan Teknik Mesin Politeknik Negeri Sriwijaya
Jl. Srijaya Negara Bukit Besar Palembang 30139
Telp: 0711-353414, Fax: 0711-453211
Abstrak
Abstract
~33~
VOLUME 4, NOMOR 1, APRIL 2012 JURNAL AUSTENIT
Milling dengan pahat HSS empat flute dan 2. Natural Surface Roughness, yaitu :
bahan ujinya jenis Alumunium 6061. kekasaran alamiah yang terbentuk dalam
Parameter optimum yang dihasilkan berupa proses permesinan karena adanya
depth of cut 0,2 inch, spindle speed 5000 beberapa faktor yang mempengaruhi
rpm, feed rate 10 inch/menit dan tool proses permesinan diantaranya :
diameter 0,75 inch dengan interval a. Keahlian operator,
keyakinan 95 % serta rata-rata kekasaran b. Getaran yang terjadi pada mesin,
permukaan 23 μinch. Lebih pe ifik pada c. Ketidaktepatan gerakan komponen-
topik operasi surface finish. komponen mesin,
Lou et al (1998) membuat prediksi d. Ketidakteraturan feed mechanisme,
atas kekasaran permukaan alumunium e. Adanya cacat pada material,
6061. Mesin yang digunakan Fadal CNC f. Gesekan antara chip dan material.
End Milling, hasil prediksinya benda pada
akurasi 90,29% untuk training data dan
90,03 % untuk testing data. Ditinjau dari
parameter pemesinan, diketahui lewat uji
statistik bahwa feed rate memegang
peranan penting dalam menghasilkan
kekasaran permukaan pada operasi end
milling yang diteliti.
Taylor percaya bahwa solusi tersebut
secara empiris dapat diselesaikan dalam Gambar 1: Profil Kurva Kekasaran
waktu kurang dari setengah menit oleh
mekanik/operator yang handal lewat
pengalaman mereka. Permasalahannya Berdasarkan profil kurva kekasaran di
adalah para mekanik/operator yang handal atas, dapat didefinisikan beberapa
tersebut mengalami kesulitan dalam parameter permukaan, diantaranya :
penularan pengetahuannya secara 1. Penyimpangan rata-rata aritmatik dari
sistematis kepada mekanik/operator yang garis rata-rata profil Ra (μm), yaitu : nilai
lain. Hingga saat ini kebanyakan rata-rata absolut penyimpangan yang
mekanik/operator ketika mengoperasikan diukur dari garis rata-rata ( center line )
mesin-mesin perkakas seringkali hanya profil efektif.
menggunakan trial and error dalam memilih
besaran cutting speed, feed rate dan depth (1)
of cut, padahal besaran-besaran tersebut
sangat berpengaruh terhadap kualitas hasil M = luas keseluruhan ( arsiran ) di atas
pemesinan serta produktifitas. Dengan dan di bawah center line.
demikian perlu dilakukan penelitian untuk l = panjang uji ( evaluation length )
menganalisa parameter kekasaran 2. Heigth of Roughness Curve Rt (μm)
permukaan bahan alumunium jenis Al Mg Si Ketidakrataan ketinggian maksimum Rt
3.6082 DIN 1725 pada proses CNC Milling. (μm) adalah jarak antara dua gari
Permukaan adalah batas yang sejajar yang menyinggung profil pada titik
memisahkan antara benda padat dengan tertinggi dan terendah antara panjang
sekelilingnya. Jika ditinjau skala kecil pada bagian yang diuji.
dasarnya konfigurasi permukaan merupakan 3. Ketidakrataan Ketinggian Sepuluh Titik
suatu karakteristik geometri golongan Rz (μm).
mikrogeometri, yang termasuk golongan Ketidakrataan ketinggian maksimum
makrogeometri adalah merupakan sepuluh titik Rz adalah jarak rata-rata
permukaan secara keseluruhan yang antara lima puncak tertinggi dan lima
membuat bentuk atau rupa yang spesifik, lembahan terdalam disepanjang bagian
misalnya permukaan lubang, permukaan yang diuji, yang diukur dari garis sejajar
poros, permukaan sisi dan lain-lain yang dengan garis rata-rata disepanjang
tercakup pada elemen geometri ukuran, evaluation length.
bentuk dan posisi ( Chang- Xue : 2002 ).
Kekasaran permukaan dibedakan menjadi
( ) (2)
dua bentuk, diantaranya :
1. Ideal Surface Roughness, yaitu :
kekasaran ideal yang dapat dicapai
dalam suatu proses permesinan dengan
kondisi ideal.
~34~
JURNAL AUSTENIT VOLUME 4, NOMOR 1, APRIL 2012
3. ANALISA DATA
~35~
VOLUME 4, NOMOR 1, APRIL 2012 JURNAL AUSTENIT
~36~
JURNAL AUSTENIT VOLUME 4, NOMOR 1, APRIL 2012
mengetahui apakah koefesien regresi 3. Untuk variabel dept of cut thitung sebesar
siqnifikan atau tidak. 1,767, pengujian hipotesisnya adalah
sebagai berikut :
Tabel 7. Koefesien Regresi
Standar
Unstandardi
dized
zed
Coeffici
Model Coefficients t Sig.
ents H0, No H0, Yes H0, Yes H0, No
Std.
B Beta
Error
(Constant) ,880 ,216 4,078 ,002
Cutting speed -,001 ,000 -,544 -3,279 ,007
1
Feed rate -,004 ,001 -,551 -3,319 ,007 0 1,767 2,160
Dept of cut ,316 ,179 ,293 1,767 ,105
a. Dependent Variable: Surface roughness
Karena thitung sebesar 1,767 jatuh di daerah
penolakan, maka H0 ditolak dan H1
diterima. Artinya koefesien regresinya
Bentuk hipotesisnya adalah sebagai siqnifikan.
berikut:
H0 adalah koefesien regresi tidak siqnifikan Tabel 8. Casewise Diagnostics
H1 adalah koefesien regresi siqnifikan Case Std. Surface Predicted Residual
Number Residual roughness Value
Dengan ketentuan sebagai berikut : 1 ,524 ,674 ,60932 ,064432
degree of freedom (df) = 15 – 2 = 13 2 -,718 ,390 ,47781 -,088311
Hipotesisnya dianalisa dengan ketentuan : 3
4
-,665
-,321
,265
,175
,34630
,21480
-,081804
-,039547
Jika thitung < ttabel , maka H0 diterima dan 5 ,259 ,142 ,10959 ,031909
6 ,915 ,704 ,59139 ,112607
H1 ditolak 7 ,934 ,602 ,48701 ,114988
Jika thitung > ttabel , maka H0 ditolak dan H1 8 ,927 ,497 ,38263 ,114119
9 -,297 ,242 ,27825 -,036500
diterima 10 1,896 ,303 ,06949 ,233262
Angka ttabel = 2,160 untuk pengujian 11 -,208 ,121 ,14631 -,025558
12 -,520 ,146 ,20947 -,063969
hipotesisnya adalah sebagai berikut : 13 -,312 ,234 ,27263 -,038381
1. Angka thitung untuk variabel cutting speed 14 -1,305 ,175 ,33579 -,160543
15 -1,111 ,262 ,39895 -,136704
sebesar -3,279, maka pengujian a. Dependent Variable: Surface roughness
hipotesisnya menggunakan grafik seperti
di bawah ini.
Makin kecil angka residual dan
standard residual memberikan makna
H0, No H0, Yes H0 Yes Ho, No bahwa persamaan regresi yang akan
digunakan untuk memprediksi nilai
kekasaran makin baik.
-3,279 -2,160 0
~37~
VOLUME 4, NOMOR 1, APRIL 2012 JURNAL AUSTENIT
variabel lain selain variabel independen Berbasis Model Analisa Regresi Ganda
tersebut. pada Peme inan CNC Frai ”, Univer ita
Sebelas Maret Surakarta,
5.2 Saran http://www.docstoc.com/docs/113842922
- Perlu dilakukan penelitian sejenis dengan /Prediksi-Kekasaran-Permukaan-Baja-
melakukan perubahan besarnya dept of ST-40-Berbasis-Model-Analisa-Regresi-
cut dengan variasi data yang atraktif. Ganda-Pada-Pemesinan-CNC-Frais, 25
- Persamaan regresi ini lebih cocok untuk Februari 2012
besaran dept of cut maksimum 1 mm. 5. Jerard, R.B., et al, 2001, Online
Optomozation of Cutting Conditions for
DAFTAR PUSTAKA NC Machining, 2001 NSF Design,
1. Chang-Xue. (2002), Surface Roughness Manufacturing and Industrial Innovation
Predictive Modeling: Neural Networks Resaech Conference, January 7-10-
versus Regression. Departmen of 2001, Tampa, Florida.
Industrial & Manufacturing Engineering, 6. Jonathan Sarwono, 2012,”Aplika i untuk
College of Engineering and Technology Riset Eksperimental”, PT Elex Media
Bradley University: Illinois USA. Komputindo, Jakarta.
2. Huang L, Chen, J.C, 2001, A Multiple 7. Yang, JL., Chen, JC., 2001, “A Sytematic
Regression Model to Predict In-process Approach for Identifying Optimum
Surface Roughness in Turning Operation Surface Roughness Performance in End
Via Accelerometer, Journal of Industial Milling Operations”, Journal of Industrial
Technology,Vol. 17, No. 2, February to Technology, Vol. 17, No. 2, February to
April 2001, http://www.nait.org. April 2001, http://www.nait.org.
3. Handoko, B. Tulung Prayogo, (2012), “
Studi Parameter Pemesinan Optimum
Pada Operasi CNC End Milling Finishing RIWAYAT PENULIS
Bahan Alumunium:,Universitas Gajah
Mada, Nama : Moch Yunus, S.T.,M.T
http://www.scribd.com/doc/25352002/Stu NIP : 195706161985031003
di-Paramater-Pemesinan-Optimum- Tempat dan
Pada-Operasi-Cnc, 25 Maret 2012. tanggal lahir : Semarang, 16 Juni 1957
4. Herman Saputro dan Sunaryo,” Predik i Pekerjaan : Dosen Teknik Mesin Polsri
Kekasaran Permukaan Baja ST 40 Pendidikan : S2 Teknik Mesin
~38~